在这个鸡不飞狗不叫动物园狮子都会得感冒的冬天，我和千千万万的IT民工一样，充分发挥了科技的威力——24小时无地域障碍办公。但是由于众所周知的原因，那些到岗上班的需求减少了一些，特别是下班时间后的事情少了很多，于是在家里圈养的我采取了一个不大常见的娱乐方式——参加百度的“深度学习7日入门”打卡营。这次打卡营的主题是“CV疫情特辑”，顾名思义就是以CV为主要方式做些和疫情有关的实操。课程内容是这样的：

课节1: Day01 新冠疫情可视化 https://aistudio.baidu.com/aistudio/projectdetail/388471
课节2: Day02 手势识别 https://aistudio.baidu.com/aistudio/projectdetail/390719
课节3: Day03 车牌识别 https://aistudio.baidu.com/aistudio/projectdetail/392707
课节4: Day04 口罩分类 https://aistudio.baidu.com/aistudio/projectdetail/394795
课节5: Day05 PaddleHub体验，比赛 https://aistudio.baidu.com/aistudio/projectdetail/396427
课节6: Day06 PaddleSlim模型压缩

下面是记录的每日流水账，标志到此一游，作用是打卡备忘。

第一天2个作业：一是提交安装paddle成功的截图，很容易。第2个是使用百度的echart显示爬下来的全国疫情数字。虽说我手头有爬丁香园的代码，但是看着百度为小白做好的车轮，我该怎么选择？当然是厚着脸皮坐上去啊。成绩出来比较郁闷，那些早上8点做出来的同学基本都是100分，我报名晚，看到题晚，虽说也是马上做完提交的，也只有98分。2分的差距简直太大了！为啥这么说呢，您看后边就知道了。

第二天，使用预设数据集（ https://aistudio.baidu.com/aistudio/datasetdetail/23668 ）编写模型，识别手势表示数字是多少。原题要求是DNN，老师把车搬出来了，就差几个发动机的螺丝让我们填。晚上在老师讲课之前，找到了对应的文档。课上看老师的示例，学到了动态图方式下，检查维度匹配的好方法。顺便说一下，这次课程都是基于动态图完成的。从本节课开始，评分和模型效果相关了，比如今天就是按识别正确率评分，为了多挣几分，我把网络换成了CNN。

第三天，提供的数据集是黑白的文字小图片（ https://aistudio.baidu.com/aistudio/datasetdetail/23617 ），要求从照片识别出车牌号。老师讲的网络是CNN，所以今天的课上的很平淡。学到的方法是用open cv把字抠出来依次识别。

第四天，说是口罩分类，其实就是检查照片中的人是否戴口罩，百度有个做的很不错的口罩监测模型，但是老师今天讲的是VGG16，我试了下，比ResNet识别率高。

第五天，全国沉浸在为疫情中牺牲的勇士和死难者的哀悼中，夜幕降临后，看到提供了录播的课程。本日作业是实验PaddleHub 识别口罩。今天发布了比赛题目：人流密度检测。

第六天，作业是有关剪枝、蒸馏、量化的理论题5道，以及paddleSlim的使用实践。课上老师讲了模型paddleSlim优化人流密度检测的原理，可惜有些原理分析的不是很细，但是看文档也能补上。

从第5天开始，能找出的时间都用来优化比赛模型了，可惜现在打卡和比赛都没有结束，相关的代码和详细分析只能以后再发了。

最后吐槽下AI Studio，这次后台算力明显不足，好在各位老师想办法增加了资源。AI Studio有个问题长期存在，就是如果在运行时刷新了页面，不管你是误关闭了、浏览器崩了、回家继续跑等等，你就再也看不到print的输出了，看着火听着声炼丹已经够熬人的了，一下变成了在产房外边等娃出世，对心理考验又提升到了新阶段。为了对付这个问题，做了个小东西，在这里： https://github.com/nemon-/tools4paddle ，求star。在ai studio上有使用说明示例，在这里： https://aistudio.baidu.com/aistudio/projectdetail/380314 ，有兴趣fork一下试试吧。